論文の概要: MatCreatioNN: Machine learning-guided computational discovery of photocatalysts for environmental applications
- arxiv url: http://arxiv.org/abs/2607.27295v1
- Date: Wed, 29 Jul 2026 16:03:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.286951
- Title: MatCreatioNN: Machine learning-guided computational discovery of photocatalysts for environmental applications
- Title（参考訳）: MatCreatioNN: 機械学習による環境応用のための光触媒の探索
- Abstract要約: 本研究は、強化学習に基づく金属有機フレームワーク(MOF)生成と多段階CGCNN予測関数を結合して、複数の電子的および構造的特徴に最適化された光触媒を同定する統合機械学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rational design of photocatalysts for environmental remediation and CO2 conversion remains limited by the high computational cost and sparse experimental data describing multi-parameter photocatalytic behavior. This work presents an integrated machine-learning framework that couples reinforcement learning-based metal-organic framework (MOF) generation with a multi-stage Crystal Graph Convolutional Neural Network (CGCNN) prediction funnel to identify photocatalysts optimized across multiple electronic and structural features. 120,000 MOF candidates were generated and screened using 13 key descriptors, including band-gap suitability, CO2/H2O selectivity, adsorption energy, and structural stability. The funnel approach reduced computational cost by 4.13-fold while maintaining predictive robustness. Two top candidates, a Cr-based and a Zn-based MOF, exhibited predicted photocatalytic fitness values of 1.70 +/- 0.25 and 1.20 +/- 0.05 fold higher respectively than benchmark materials such as PCN-224(Zr), demonstrating simultaneous improvements in light absorption, redox energetics, and framework durability. Simulated X-ray diffraction patterns confirmed strong structural agreement with experimentally synthesized MOFs, indicating high synthesizability. Post-hoc analysis revealed recurring structural motifs, such as the N262 metal cluster, that correlated strongly with high predicted photocatalytic activity. These results highlight the potential of data-driven methods to accelerate discovery of efficient and durable photocatalysts for environmental and energy-related transformations, providing a foundation for experimental realization and large-scale implementation of computationally designed MOFs.
- Abstract（参考訳）: 環境浄化・CO2変換のための光触媒の合理的設計は, 高い計算コストと多パラメータ光触媒挙動を記述する実験データによって制限されている。
本研究は、強化学習に基づく金属有機フレームワーク(MOF)生成と多段階CGCNN予測関数を結合して、複数の電子的および構造的特徴に最適化された光触媒を同定する統合機械学習フレームワークを提案する。
12000個のMOF候補を, バンドギャップ適合性, CO2/H2O選択性, 吸着エネルギー, 構造安定性を含む13個のキー記述子を用いて生成, スクリーニングした。
ファンネルアプローチは、予測ロバスト性を維持しながら計算コストを4.13倍に削減した。
2つのトップ候補であるCr基およびZn基MOFは、それぞれ1.70 +/- 0.25と1.20 +/- 0.05の光触媒適合値を示し、光吸収、酸化還元エネルギー、フレームワーク耐久性を同時に改善した。
模擬X線回折パターンは, 実験合成MOFと強い構造一致を示し, 高い合成性を示した。
ポストホック分析の結果,N262金属クラスターなどの構造モチーフは高い光触媒活性と強く相関していた。
これらの結果は、環境およびエネルギー関連変換のための効率的で耐久性の高い光触媒の発見を加速するデータ駆動手法の可能性を強調し、実験的な実現と計算設計MOFの大規模実装の基盤を提供する。
関連論文リスト
- Ab initio Modeling of MoS2/Oxide Device Interfaces with Machine Learned Electronic Structures [66.44589802420899]
我々は、スケーラブルな機械学習(ML)電子構造モデルと高度な量子輸送(QT)解決器を統合する半導体デバイスをシミュレートするための新しいab initioアプローチを導入する。
このフレームワークは密度汎関数理論上の10,000Xのスピードアップを可能にし、20,000個の原子からなる装置のハミルトン行列を生成する。
論文 参考訳（メタデータ） (2026-08-27T15:33:39Z) - Catalyst Diffusion Transformer: Generative Inverse Design of Heterogeneous Catalysts [0.18665975431697432]
触媒拡散変換器 (CatDiT) は逆触媒設計のための統一的なフレームワークである。
CatDiTは、金属間合金から酸化物表面まで、有効で新しい構造を生成する。
論文 参考訳（メタデータ） (2026-07-27T11:11:33Z) - Beyond the Black Box: An Interpretable Machine Learning Framework for Predicting Electronic Structure Microdescriptors and Structure-Performance Relationships in Fe-based Catalytic Systems [0.0]
本研究は,SHAPに基づく特徴重要度分析(Explainable AI)を木系アンサンブルと統合し,メタン(POM)の部分酸化のためのFe-ゼオライトおよび酸化物担持触媒を特徴付ける解釈可能な機械学習フレームワークを提案する。
限られたデータにもかかわらず、このフレームワークは、電子バンドギャップに影響を及ぼし、選択性、活動性、安定性などのマクロなパフォーマンス指標を管理する熱力学的、構造的、幾何学的マイクロディスクリプタを識別し、ランク付けすることで、複雑な構造と性能の関係をデコードする。
論文 参考訳（メタデータ） (2026-05-09T15:25:30Z) - OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction [63.318434943975255]
分子内コンフォーメーションと周期的パッキングの条件付き関節分布を学習する大規模100Mパラメータ全原子拡散モデルであるOXtalを導入する。
実験的に検証された600Kの結晶構造の大規模なデータセットを活用することで、OXtalは、以前のabinitio機械学習CSPメソッドよりも改善の順序を達成できる。
オキシタルは80%以上のパッキング類似率を獲得し、分子結晶化の熱力学的および運動論的規則性の両方をモデル化する能力を示している。
論文 参考訳（メタデータ） (2025-12-07T20:46:30Z) - QuantumChem-200K: A Large-Scale Open Organic Molecular Dataset for Quantum-Chemistry Property Screening and Language Model Benchmarking [1.18832001529231]
我々は、20万以上の有機分子からなる大規模データセットであるQuantumChem-200Kを紹介した。
これらの値は、密度関数理論(DFT)、半経験的励起状態法、原子論的量子解法、ニューラルネットワーク予測器を統合するハイブリッドワークフローを用いて計算される。
我々はQuantumChem-200Kを用いて、オープンソースのQwen2.5-32B大言語モデルを微調整し、SMILESからプロパティ予測を転送できる化学AIアシスタントを作成する。
論文 参考訳（メタデータ） (2025-11-23T02:33:06Z) - Foundation Models for Discovery and Exploration in Chemical Space [57.97784111110166]
MISTは、大規模なラベルなしデータセットに基づいて訓練された分子基盤モデルのファミリーである。
我々は、これらのモデルが化学空間をまたいだ現実世界の問題を解決する能力を実証する。
論文 参考訳（メタデータ） (2025-10-20T17:56:01Z) - Single photon emission from lithographically-positioned engineered nanodiamonds for cryogenic applications [1.2096924420929192]
ナノダイヤモンド(ND)中の窒素空孔中心は、量子フォトニクスシステムに有望な資源を提供する。
ブロードバンド金属リフレクタ上にボールミネラルに富んだNDを光リソグラフィで位置決めするハイブリッド材料プラットフォームを提案する。
論文 参考訳（メタデータ） (2025-08-08T16:11:41Z) - Photon-mediated interactions and dynamics of coherently driven quantum emitters in complex photonic environments [41.94295877935867]
ボルン・マルコフのマスター方程式は量子光学現象の記述に広く用いられている。
我々は、このモデリング手法を、マクロ場量子化形式に基づく正確な計算に対してエミッタ対の量子力学に対してベンチマークする。
我々の分析では、レーザー駆動と周波数分割の4つの異なる状態が明らかとなり、有効モデルの精度は著しく異なる。
論文 参考訳（メタデータ） (2025-08-01T09:38:07Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では,蛍光ナノセンサを点滅させたメソロジー(サーモメトリー,マグネティックメソメトリー,pH推定など)における空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - First-Principles Screening of Metal-Organic Frameworks for Entangled
Photon Pair Generation [0.0]
金属-有機フレームワーク(MOF)材料を用いた非線形光学デバイスは、自発的ダウンコンバージョン(SPDC)を介して、絡み合った光を効率よく生成することができる
光子対の明るさとコヒーレンス特性とMOFの構造と化学組成の相関関係を確立するために, 合成MOF114,373のデータベースをスクリーニングした。
我々の研究は、光学量子技術のためのMOFベースのデバイスの計算設計の道を開くものである。
論文 参考訳（メタデータ） (2023-09-09T12:56:26Z) - Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based
Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。
本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文 参考訳（メタデータ） (2022-09-15T13:52:15Z) - Inverse-designed photon extractors for optically addressable defect
qubits [48.7576911714538]
フォトニックデバイスの逆設計最適化は、スピン光子インタフェースの臨界パラメータを調整する際に、前例のない柔軟性を実現する。
逆設計のデバイスは、単一の光子エミッタのスケーラブルな配列の実現、新しい量子エミッタの迅速なキャラクタリゼーション、センシングと効率的な隠蔽機構を実現する。
論文 参考訳（メタデータ） (2020-07-24T04:30:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。